(k) = (Wj〇(k)，wji(k) ,'"Wjn(IO)表示第k步的连接权值向量，yj(k)表示第k步的输 出，元表示第j个区域簇的期望输出，样本点在此区域簇内期望输出为1，不在此区域簇内期 望输出为〇，则第k+Ι步的连接权值调整为，
[0036] 式⑵中，为连接权值修正项，当>#)< &时为正，表明当前连接权 值不够大，需要正向调整，.ν,α)> &时为负，表明当前连接权值足够大，需要负向调整;η为 学习效率，并且〇〈η<ι，用来控制连接权值的调整速度。若η过大，会导致学习过程中连接权 值发生震荡，影响其稳定性;η取值过小则会影响收敛速度。训练后的感知器模型能够完成 对目标的感知任务：目标越接近区域簇内，簇头节点的兴奋度输出越高(越接近1);目标越 远离本区域簇，簇头节点兴奋度输出越低(越接近〇)。
[0037] 为了提高区域分簇定位的效率，将监测区域划分为M个小区域簇，每个区域簇覆盖 少量的通用节点，为了能够利用每个区域簇内的信息得到目标的位置坐标，每个区域簇至 少需要三个通用节点；而又由于区域分簇定位是由粗到细的定位，其选用的簇头节点都是 最接近目标的，即其通用节点内的探测数据都是高质量的，所以无需布置大量通用节点。然 而不难证明当通用节点数量即输入维数有限甚至较低时，输入模式为线性不可分的，即无 法用二元分类来判断目标是否在当前区域簇内。例如当目标刚好出现在两个区域簇公共边 界上，两个区域簇的感知器是无法区分目标的归属的。但是经过大量样本数据的训练，感知 器的功能会越来越逼近二元分类，即目标落在正确的区域簇内会使得该感知器的输出越 大，目标越远离该区域簇感知器输出越小。
[0038] 采用分簇的思想估计目标的坐标，是由粗到细的定位，先判断目标所在的区域作 为初步的粗估计，再由该簇内的节点数据估计目标的坐标作为精估计，如图2所示，无线传 感网器网络由特定的或随机部署在监测区域内的簇头节点、通用节点以及作为融合中心的 汇聚中心组成，簇头节点负责收集区域簇内的通用节点数据并进行初步融合，将融合后的 数据转发给汇聚中心做进一步的数据处理，通用节点负责感知目标并收集目标信号强度数 据。其采用的自适应区域激活机制，选择激活区域簇中的通用节点进行目标跟踪;最大熵原 理，根据监测环境动态地往区域簇内加入移动节点，增加节点的可选择性，从而降低网络的 不确定性;利用节点剩余能量和调度情况，确定无线传感器网络在跟踪目标过程中的簇规 模，使网络的局部能耗达到均衡。
[0039] 多级调度机制采用以下能耗级别原则:通用节点优先选择休眠状态-次优开启侦 听状态-探测到信号时侦听信号的通用节点开启接收状态-通用节点的通信模块激活时 优先发送低速率数据，具体调度流程如图3所示。在最低级的通用节点处设置第一道阈值， 给定一个较低信噪比的的信号强度大小，即限定通用节点的探测范围，探测范围略大于区 域簇范围，保证当目标进入相邻区域簇内时本区域簇开始探测目标，通过信号衰减模型获 得探测范围对应的信号强度阈值作为第一道阈值，当探测信号低于此值时信号微弱，受噪 声影响较大，通用节点选择不发送给簇头节点，但是若所有通用节点都开启侦听状态未免 太浪费网络能量，因为每个区域簇内的通用节点位置相互靠近，通用节点的相似性很大，规 定每个区域簇内周期性轮流开启一个通用节点侦听信号，其余的通用节点全部处于休眠状 态，对当前侦听信号的通用节点进行第一道阈值判断，判断目标是否在探测范围内，若信号 强度太弱低于第一道阈值则继续保持区域簇内其他通用节点的睡眠状态，若信号强度超过 第一道阈值，则当前侦听信号的通用节点在区域簇内发送一个广播，将其余的通用节点全 部唤醒为接收状态，并激活所有通用节点与簇头节点的通信，区域簇内所有通用节点的信 息在簇头节点处进行融合，此时进行第二层判断，通过训练后的感知器判断目标信号是否 在本区域簇内，设定兴奋度阈值δ(0〈δ〈1，具体大小通过应用调试而定），若感知器处于抑制 状态，则不开启簇头节点与汇聚中心的通信，若感知器受到的激励超过阈值处于兴奋状态， 则开启簇头节点与汇聚中心的通信，簇头节点向汇聚中心发送感知器的兴奋度值(或隶属 度）；这一步无线通信是整个网络中能耗最高的，所以先发送感知器兴奋度值，因为当目标 处于两个或多个区域簇边界处时两个或多个簇头节点可能同时被激活，汇聚中心同时接收 两个或多个簇头节点的兴奋度值，此时再进行第三层判断，比较两个或多个感知器输出的 兴奋度值大小，判断采用兴奋度值最大的区域簇的数据和模型，传感器节点无线通信的能 耗是与收发的数据长度成正比的，而兴奋度和隶属度数据占用较少比特，所以先发送，在选 定哪个区域簇之后，接收该区域簇内簇头节点的数据包，数据包内包括该区域簇的ID、区域 簇内通用节点的ID、各通用节点的探测数据以及用于该区域簇计算目标坐标的数学模型参 数，具体的定位模型有最小二乘线性回归模型和支持向量机非线性回归模型等，汇聚中心 调用兴奋度占优的区域簇的定位模型参数，并接收该区域簇中的通用节点节点数据输入模 型中做实时目标定位。
[0040] 以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该 了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原 理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进 都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界 定。
【主权项】
1. 无线传感网中基于感知器的区域分簇目标跟踪算法，其特征在于，包括以下步骤， 步骤（1)，令目标的监测区域划分为Μ个区域簇，第j(j = l，2,…M)个区域簇里有1个簇 头节点和η个通用节点，Xj= (XI，X2，"·Χη)Τ是各个通用节点的探测数据，Wj= (Wjl，Wj2，'"Wjn )T为第j个区域簇的连接权值，代表各个通用节点数据对输出的影响程度，是第j个区域簇 的阈值，f(.)是阈值型活化函数，构建感知器的训练模型，(1) 式（1)中，yj为簇头节点输出，xi为区域簇内通用节点输出，wji为连接通用节点xi与簇头 η的权值，表示第i个通用节点对兴奋度输出的权重； 步骤(2)，利用样本点数据对步骤（1)中感知器的训练模型进行训练，训练后的感知器 能够完成对目标的感知任务，目标越接近区域簇内，该区域簇内簇头节点的兴奋度输出越 高，数值显示为越接近1，目标越远离区域簇，该区域簇内簇头节点的兴奋度输出越低，数值 显示为越接近〇; 步骤(3)，构建无线传感网器网络，所述无线传感网器网络包括部署在监测区域内的簇 头节点、通用节点以及作为融合中心的汇聚中心，簇头节点负责收集簇内的通用节点数据 并进行初步融合，将融合后的数据转发给汇聚中心做进一步的数据处理，通用节点负责感 知目标并收集目标信号强度数据； 步骤(4)，在通用节点处设置第一道阈值，规定每个区域簇内周期性轮流开启一个通用 节点侦听信号，其余的通用节点全部处于休眠状态，对当前侦听信号的通用节点进行第一 道阈值判断，判断目标是否在区域簇内，若信号强度低于第一道阈值则继续保持区域簇内 其他通用节点的睡眠状态，若信号强度超过第一道阈值，则当前侦听信号的通用节点在区 域簇内发送一个广播，将其余的通用节点全部唤醒为接收状态，并激活所有通用节点与簇 头节点的通信，区域簇内所有通用节点的信息在簇头节点处进行融合； 步骤(5)，进行第二层判断，通过步骤(2)中训练后的感知器判断目标信号是否在本区 域簇内，设定兴奋度阈值S，若感知器处于抑制状态，则不开启簇头节点与汇聚中心的通信， 若感知器处于兴奋状态，则开启簇头节点与汇聚中心的通信，簇头节点向汇聚中心发送感 知器的兴奋度值； 步骤(6)，若目标处于多个区域簇边界处时多个簇头节点同时被激活，汇聚中心同时接 收多个簇头节点的兴奋度值，此时进行第三层判断，比较多个感知器输出的兴奋度值大小， 判断采用兴奋度值最大的区域簇的数据和模型，在选定区域簇之后，接收该区域簇内簇头 节点的数据包，数据包内包括该区域簇的ID、区域簇内通用节点的ID、各通用节点的探测数 据以及用于该区域簇计算目标坐标的数学模型参数，汇聚中心调用兴奋度占优的区域簇的 数学模型参数，并接收该区域簇中的通用节点数据输入该数学模型中做实时目标定位。2. 根据权利要求1所述的无线传感网中基于感知器的区域分簇目标跟踪算法，其特征 在于，所述步骤(1)中连接权值《^的训练方式为， 令叉。=-1，'\￥」。=9」，'^(1〇 = (?^。(1〇，'\￥」1(1〇，'"'\￥加(1〇)表示第1^步的连接权值向量，7」(1〇 表示第k步的输出，^表示第j个区域簇的期望输出，样本点在此区域簇内期望输出为1，不 在此区域簇内期望输出为0，则第k+Ι步的连接权值调整为，(2) 式⑵中，/7(^-7#))·^,为连接权值修正项，当）#)< ^/时为正，表明当前连接权值不 够大，需要正向调整，A(幻> 5时为负，表明当前连接权值足够大，需要负向调整;η为学习效 率，并且ο〈η < 1，用来控制连接权值的调整速度。3. 根据权利要求1所述的无线传感网中基于感知器的区域分簇目标跟踪算法，其特征 在于，所述步骤(3)中簇头节点、通用节点是特定的或随机部署在监测区域内的。4. 根据权利要求1所述的无线传感网中基于感知器的区域分簇目标跟踪算法，其特征 在于，所述步骤(6)中数学模型有最小二乘线性回归模型和支持向量机非线性回归模型。
【专利摘要】本发明公开了一种无线传感网中基于感知器的区域分簇目标跟踪算法，采用多级调度机制极大程度地减少网络能源消耗，规定只允许区域簇内通信来充分降低无线通信损耗，以感知器输出作为定量标准来判断区域簇的激活状态，并在动态目标跟踪中设定了合理的越区切换模式防止节点之间的碰撞；此外，通过对比无线传感网与神经网络的相似性，将传感器节点类比为神经元，建立信息传输模型，充分利用无线传感网的分布式处理特性和自组织能量，提高了泛化能力和容错性。
【IPC分类】H04W40/32, H04W64/00, H04W84/18
【公开号】CN105611626
【申请号】CN201511004848
【发明人】周杰, 蔡世清, 朱伟娜
【申请人】南京信息工程大学
【公开日】2016年5月25日
【申请日】2015年12月28日